一、简介及部分重要参数介绍
Sqoop除了能够将数据从关系型数据库导入到HDFS和Hive中,还能够导入到HBase表中。
--hbase-table:通过指定--hbase-table参数值,指明将数据导入到HBase表中,而不是HDFS上的一个目录。输入表中的每一行将会被转换成一个HBase Put操作的输出表的一行。
--hbase-row-key:你可以使用--hbase-row-key参数,手动的指定row key。默认的情况下,Sqoop会将split-by 列作为HBase rowkey列。如果没有指定split-by值,它将会试图识别关系表的关键字。
如果源表是组合关键字,--hbase-row-key 参数后面值是用逗号分隔的组合关键字属性的列表,在这样种情况下,通过合并组合关键字属性的值来产生HBase的Row key,每个值之间使用下划线分隔开来。
--column-family:必须指定--column-family参数,每一个输出列都会被放到同一个family列族中。
--hbase-create-table:如果HBase中的目标表和列族不存在,如果你使用该参数,Sqoop在运行任务的时候会根据HBase的默认配置,首先创建目标表和列族。
注意一:当源表中是组合关键字的时候,必须手动指定--hbase-row-key参数,Sqoop才能将数据导入到HBase中,否则不行。
注意二:如果HBase中的目标表和列族不存在,如果没加--hbase-create-table参数,Sqoop job将会报错误退出运行。所以你在将数据从源表导入到HBase之前,需要首先在HBase中创建目标表和其对应的列族。
Sqoop目前会序列化所有的字段值,将值转换为字符串表示,然后向HBase中插入UTF-8编码的字符串值的二进制值。
二、原始数据如下
其中id是主键
三、以单关键字作为Rowkey导入
sqoop import --append --connect jdbc:oracle:thin:@219.216.110.120:1521:orcl --username TEST1 --password test1 --table TEST1 --columns age --hbase-table test1 --hbase-row-key id --column-family personinfo
hbase(main):005:0> scan 'test1' ROW COLUMN+CELL 1 column=personinfo:name, timestamp=1462411628085, value=\xE 5\xBC\xA0\xE4\xB8\x89 1 column=personinfo:sex, timestamp=1462411628085, value=\xE7 \x94\xB7 2 column=personinfo:name, timestamp=1462411628085, value=\xE 6\x9D\x8E\xE5\x9B\x9B 2 column=personinfo:sex, timestamp=1462411628085, value=\xE5 \xA5\xB3 3 column=personinfo:name, timestamp=1462411625239, value=\xE 7\x8E\x8B\xE4\xBA\x94 4 column=personinfo:name, timestamp=1462411623526, value=\xE 8\xB5\xB5\xE5\x85\xAD 4 column=personinfo:sex, timestamp=1462411623526, value=\xE7 \x94\xB7 5 column=personinfo:name, timestamp=1462411628403, value=\xE 7\x94\xB0\xE4\xB8\x83 5 column=personinfo:sex, timestamp=1462411628403, value=\xE5 \xA5\xB3 6 column=personinfo:name, timestamp=1462411628403, value=\xE 7\x8E\x8B\xE5\x85\xAB 6 row(s) in 0.4110 seconds
三、手动指定Rowkey
建立test2表,演示手动指定Rowkey的情形。我们以id+name组合表示RowKey,如下:
sqoop import --append --connect jdbc:oracle:thin:@219.216.110.120:1521:orcl --username TEST1 --password test1 --table TEST1 --columns id,name,sex,age --hbase-create-table --hbase-table test2 --hbase-row-key id,name --column-family personinfo查看结果:
hbase(main):006:0> scan 'test2' ROW COLUMN+CELL 1_\xE5\xBC\xA0\xE4\x column=personinfo:age, timestamp=1462413115207, value=20 B8\x89 1_\xE5\xBC\xA0\xE4\x column=personinfo:sex, timestamp=1462413115207, value=\xE7 B8\x89 \x94\xB7 2_\xE6\x9D\x8E\xE5\x column=personinfo:age, timestamp=1462413115207, value=25 9B\x9B 2_\xE6\x9D\x8E\xE5\x column=personinfo:sex, timestamp=1462413115207, value=\xE5 9B\x9B \xA5\xB3 3_\xE7\x8E\x8B\xE4\x column=personinfo:age, timestamp=1462413102229, value=65 BA\x94 4_\xE8\xB5\xB5\xE5\x column=personinfo:sex, timestamp=1462413115746, value=\xE7 85\xAD \x94\xB7 5_\xE7\x94\xB0\xE4\x column=personinfo:age, timestamp=1462413120206, value=45 B8\x83 5_\xE7\x94\xB0\xE4\x column=personinfo:sex, timestamp=1462413120206, value=\xE5 B8\x83 \xA5\xB3 5 row(s) in 0.1520 seconds由上可知,数据也成功导入到了HBase中,且Rowkey为id号+name列值的二进制值的组合。 Rowkey列之间值是以下划线分隔的 。